Python异常值预警

rubyw

已于 2023-08-31 16:33:02 修改

阅读量191

点赞数

分类专栏： python # 数据分析文章标签： python 数据分析

于 2023-05-19 11:12:14 首次发布

本文链接：https://blog.youkuaiyun.com/rubyw/article/details/130762670

版权

python 同时被 2 个专栏收录

15 篇文章

订阅专栏

数据分析

15 篇文章

订阅专栏

该代码示例展示了如何基于3倍标准差(3sigma)原则检测数据中的异常值。首先，它读取了一个名为catering_sale.xls的Excel文件，从中提取销量和日期两列。接着，计算销量的平均值和标准差，设定阈值，并找出低于或高于阈值的异常销量数据点，将这些异常值和对应的日期记录下来。最后，用matplotlib可视化正常数据点和异常数据点，并对异常点进行标注。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#-*- coding: utf-8 -*-

#基于3sigma的异常值检测



import numpy as np

import pandas as pd

import matplotlib.pyplot as plt #导入绘图库



n = 3 # n*sigma



catering_sale =r"C:\Users\18703\Desktop\catering_sale.xls" #数据路径



data = pd.read_excel(catering_sale, index_col = False) #读取数据

data_y = data[u'销量']

data_x = data[u'日期']



ymean = np.mean(data_y)

ystd = np.std(data_y)

threshold1 = ymean - n * ystd

threshold2 = ymean + n * ystd



outlier = [] #将异常值保存

outlier_x = []



for i in range(0, len(data_y)):

    if (data_y[i] < threshold1)|(data_y[i] > threshold2):

        outlier.append(data_y[i])

        outlier_x.append(data_x[i])

    else:

        continue



print('\n异常数据如下：\n')

print(outlier)

print(outlier_x)

在这里插入图片描述

plt.plot(data_x, data_y)

plt.plot(outlier_x, outlier, 'ro')

for j in range(len(outlier)):

    plt.annotate(outlier[j], xy=(outlier_x[j], outlier[j]), xytext=(outlier_x[j],outlier[j])) #用于标注

plt.show()